road-segmentation-adas-0001

ユースケースと概要説明

これは、各ピクセルを BG、道路、縁石、マークの 4 つのクラスに分類するためのセグメント化ネットワークです。

例

仕様

メトリック

値

画像サイズ

896x512

GFlops

4.770

MParams

0.184

ソース・フレームワーク

PyTorch*

精度

4 クラス分類タスク用に変換された “Mighty AI” データセットの 500 枚の画像で計算された品質指標は次のとおりです。

ラベル

IOU

ACC

平均

0.844

0.899

BG

0.986

0.994

道路

0.954

0.974

縁石

0.727

0.825

マーク

0.707

0.803

  • IOU=TP/(TP+FN+FP)

  • ACC=TP/GT

  • TP - 指定されたクラスの真陽性ピクセルの数

  • FN - 指定されたクラスの偽陰性ピクセルの数

  • FP - 指定されたクラスの誤検知ピクセルの数

  • GT - 指定されたクラスのグラウンド・トゥルース・ピクセルの数

入力

BGR イメージと B, C, H, W 形式の形状 1, 3, 512, 896 を含むブロブです。
説明:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

出力

出力は、形状 1, 4, 512, 896、形式 B, C, H, W のブロブです。これは 4 チャネルの特徴マップとして扱うことができ、各チャネルは BG、道路、縁石、マークのいずれかのクラスの確率になります。

デモの使い方

Open Model Zoo が提供する次のデモでこのモデルを使用して、その機能を確認できます。